Masterarbeit Yuchen Jia

 

Automatisierte Inbetriebnahme- und Funktionstests für Gebäudeautomationssysteme

Allgemeine Struktur der Multi-Input Single-Output (MISO) Urheberrecht: EBC Allgemeine Struktur der Multi-Input Single-Output (MISO) Modell für einzelnes zu testende Subsystem im Rahmen der Inbetriebnahme von Gebäudeautomationssystemen

Die Inbetriebnahme von Gebäudeenergiesystemen mit zugehörigen Automatisierungssystemen ist wichtig für die Überprüfung der Funktionalität. Insbesondere beim Bau von HLK-Anlagen Ein rudimentärer Inbetriebnahme von HVAC-Anlagen zu einem suboptimalen Verhalten und sogar zu fehlerhaften Geräten führen. Eine Methodik zur automatisierten Inbetriebnahme wird entwickelt. Ziel ist es, die entwickelten Verfahren jeweils auf zwei repräsentativen Teilsystemen auszuführen und damit die Methodik zu validieren. Um den funktionalen Leistungstest zu automatisieren, wird eine datengestützte Methode verwendet. Im Vergleich zu grundsatzbasierten Ansätze erfordert diese Methode ein Minimum an Fachkenntnissen und Informationen. Anhand eines HVAC Subsystems wird nach dem Top-Down Ansatz ein entsprechendes Black-Box-ähnliches Multi-Input Single-Output (MISO) Modell erstellt. Der Output ist eine bestimmte Sollwert. Außerdem bestehen Inputs aus mehreren Prozessvariablen, die aufgrund der Sollwertvariation veränderbar sein können. Darüber hinaus wird ein mehrschichtiges Perceptron eingeführt, um den mathematischen Wirkzusammenhang zwischen unterschiedlichen Prozessgrößen zu bestimmen. Zum Erlernen dieser Zusammenhänge wird ein BPNN-Algorithmus (Python Keras) verwendet. Die konkreten Prozeduren umfassen hauptsächlich vier Schritte: Datenmanagement, Signal-Mapping Test, Datenerfassung und Systemidentifikation. Anstelle eines realen Systems dient ein Simulationsmodell als Testumgebung. Dadurch wird das Konzept in einem vereinfachten Simulationsmodell einer Versuchshalle umgesetzt. Für jedes getestete Subsystem werden drei Prüfpunkte ausgewählt, die im Signal-Mapping Test validiert werden sollen. Darüber hinaus werden 80 Datenbeispiele aus Simulationen extrahiert, um sie in Regressoren zu trainieren. Die Signal-Mapping Tests weisen dabei eine erhebliche Schwankungen der geregelten Temperaturen der Heizkreisläufen auf. Die errechneten Wirkzusammenhänge zeigen eine hohe Anpassungsgüte über 0,99. Aufgrund der bewährten Durchführbarkeit wird diese Inbetriebnahme in Zukunft weiter optimiert und in realen Anlagen implementiert.